流域尺度根区蓄水能力估算及其对气象要素敏感性分析

赵　焕，徐宗学，2※，赵　捷（. 北京师范大学水科学研究院，水沙科学教育部重点实验室，北京 00875；2. 全球变化研究协同创新中心，北京 00875）



流域尺度根区蓄水能力估算及其对气象要素敏感性分析

赵焕1，徐宗学1，2※，赵捷1
（1. 北京师范大学水科学研究院，水沙科学教育部重点实验室，北京 100875；2. 全球变化研究协同创新中心，北京 100875）

摘要：根区蓄水能力（SR）在水文模拟、土壤水分运移以及植被生长发育等方面具有十分重要的作用。为对其进行流域尺度的估算，选取太子河上游南甸（峪）流域作为研究区，利用水量累积曲线法（mass curve technique，MCT）估算SR，基于流域出口水文站月径流深，对耦合了融雪模块的概念性水文模型FLEX进行参数率定，获取土壤蓄水能力SuMax，并与MCT的估算结果进行交叉验证。在此基础上设定不同气候情景，分析SR对降雨、融雪、蒸散发的敏感性。结果表明：1）改进的FLEX水文模型可用于模拟研究区径流，获得代表研究区土壤蓄水量多年平均水平的参数SuMax值为27 mm；2）水量累积曲线法得到的多年SR值服从耿贝尔（Gumbel）分布，且FLEX模型获得的根区蓄水能力检验了水量累积曲线法的估算结果；3）SR随蒸散发、降雨和融雪变化的曲线斜率分别为1.37、0.73和0.37，说明SR对蒸散发、降雨和融雪的敏感程度依次减弱，随着蒸散量增加、降雨量减少的幅度增大，敏感程度增强，融雪的增大或减少对SR的影响相近。研究结果为流域尺度根区缺水状况估算及维持植被系统生长发育提供一定依据。

关键词：水分；模型；土壤；根区；蓄水能力；水量累积曲线法；水文模型；气候变化情景

赵焕，徐宗学，赵捷. 流域尺度根区蓄水能力估算及其对气象要素敏感性分析[J]. 农业工程学报，2016，32（2）：155－160.doi：10.11975/j.issn.1002-6819.2016.02.023http://www.tcsae.org

Zhao Huan， Xu Zongxue， Zhao Jie. Estimation of root zone storage capacity and sensitivity analysis to climate factors at catchment scales[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2016， 32（2）: 155－160. （in Chinese with English abstract）doi：10.11975/j.issn.1002-6819.2016.02.023http://www.tcsae.org

Email：zhaohuan@mail.bnu.edu.cn

Email：zxxu@bnu.edu.cn

0　引　言

根区蓄水能力（SR）能够反映植被根区土壤对水分的调节能力，是储存水分和植被连续获得水分的缓冲区，作物水分供应主要依赖于大气降水，而降水对作物的水分供应又依赖于土壤调节，因此SR是土壤—植物—大气连续系统中的重要环节，对理解植被生态系统的生长发育和存活策略有重要意义[1-2]。在水文循环中，根区蓄水量受下垫面条件影响，直接作用于蒸散和产汇流过程，此外SR还可以调控地表和大气的水分交换进而影响潜热、地表温度等，成为联系生态系统和水文过程的重要纽带[3]，合理估算SR值可以减少水文、气象和地表模型中参数的不确定性，改善模型精度。全球气候变化成为世界日益关注的焦点，将对自然生态系统和人类生存环境产生显著影响[4]，植被作为生态系统中关键的组成部分，对气候变化的响应十分敏感，研究气候变化条件下的根区蓄水能力对维持植被系统生长发育，分析流域水循环规律具有重要意义。

目前，土壤根区蓄水量主要通过采样点的土壤含水率计算。宋小帅等[5]对辽河源地区典型森林分层取土样，利用烘干法计算土壤含水量，进一步获得土壤最大蓄水量；宗路平等[6]采用土壤水分速测仪测定哈尼梯田3个样地的土壤蓄水量，通过与环刀法测定的结果相互验证校正精度。尽管通过采样点土壤含水率反映根区土壤蓄水能力的方法被广泛应用，但其耗时且工作量较大，更为关键的问题是它只能代表采样点附近的土壤含水程度，无法代表流域含水量，若用样点测量值描述其所代表的区域会由于土壤的空间异质性而引入较大的不确定性[7]。此外，还有学者利用土壤特性或根系深度来估算土壤蓄水量[8-9]，且这些方法均未考虑气候变化的影响[1]。

含水量测量技术（如时域反射、探地雷达、遥感等）日臻完善，尤其随着遥感与地理信息系统集成技术日益成熟，国内外学者尝试利用遥感产品反演土壤含水量[10-11]。如Zribi等[12]利用雷达卫星多角度数据反演土壤水分，提出C波段雷达反演裸露地表土壤水分的经验模型；刘振华等[13]运用ASTER卫星遥感数据，由地表缺水指数估算土壤含水率；夏燕秋等[14]利用Landsat7 ETM＋影像，由温度植被干旱指数法构建白龙江流域土壤水分回归模型反演土壤水分。遥感监测土壤水分的可行性和使用精度虽有所提高，但土壤的空间异质性、气候特征及植被类型的差异对反演结果均具有影响，植被吸收微波信号，将导致微波遥感的敏感性降低[11]，且多数遥感产品仅能提供表土（0～10 cm）的土壤水分估计值[7]。因此，在流域尺度上综合考虑生态水文系统各组成要素估算根区蓄水能力成为生态、农业、水文等领域迫切需要解决的问题，通过其估值可以定量分析根系可获取的地下水量，为研究农业过程、生态水文过程提供重要依据[1]。

本文选取太子河上游南甸（峪）流域作为研究区，利用水量累积曲线法（mass curve technique，MCT）[1]估算根区蓄水能力SR，并通过参数优化，由改进的FLEX模型获得最优根区最大蓄水量SuMax（模型的参数之一），将二者进行交叉验证。在此基础上，设置降雨、融雪、蒸散变化情景，计算不同气候情景下的SR值，探讨根区蓄水能力对不同重现期干旱的响应规律，分析根区水分亏缺状况和年际间变化趋势。

1　研究区概况

太子河流域位于中国辽宁省东部，上游（观音阁水库以上）植被保护较好，森林覆盖率达50%以上，中游（观音阁水库至葠窝水库段）为低山丘陵区，下游（葠窝水库以下）为平原农作物区，土地开发程度高，城镇化明显[15]。流域内丰富的水土资源为农业生产提供了得天独厚的自然条件，使太子河流域成为辽宁省重要的商品粮生产基地。

本文选取太子河上游南甸（峪）流域（图1）作为研究区，流域面积为765 km2。该地区属温带季风气候，多年平均气温8.35℃，平均降水量929.1 mm，且集中在6—8月，冬季寒冷多雪，降雪约占全年降水量的6%，且春季融雪径流明显，多年平均径流深378.7 mm。研究区内最主要的两种土地覆被类型为森林和农田，其中落叶阔叶林占研究区总面积的72.5%，土壤以棕壤土和草甸土为主。

图1　太子河流域及南甸（峪）典型流域位置Fig.1　Locations of Taizi River basin and Nandianyu catchment

2 研究方法及数据处理

2.1水量累积曲线法

与水库的功能类似，植被根区土壤在降水量较大时储存多余的水分，水分不足时为植被提供水分，Gao等[1]将水库设计中使用的MCT用于估算根区蓄水能力。该方法基于水量平衡原理，由逐日降雨量扣除填洼、截留和径流得到累积入流量，进一步计算干旱期根区需水量，认为年内需水量最大值为根区蓄水能力SR。然而该研究没有考虑融雪部分，融雪作为寒冷地区的重要水分补给，其地位尤为重要，本文在水分输入项中考虑融雪对该方法进行改进，使之可以用于降雪不可忽视的地区。该方法直接建立起气象（降雨及融雪）、水文（径流）和生态（植被）之间的关系，估计流域尺度土壤水分情况。

2.2FLEX水文模型结构及原理

为验证水量累积曲线法（MCT）在研究区的适用性，利用改进的概念性水文模型FLEX获得代表根区土壤蓄水能力的参数SuMax，对MCT获得的结果进行验证[16]。本文在原模型的基础上耦合了融雪模块以提高模拟精度，融雪模块通过计算雪水当量的变化量来对融雪水量进行估算。雪水当量（snow water equivalent， SWE）由下式获取[17]，

式中ρs是当地雪密度，kg/m3；ρw是水密度，kg/m3；Hs是雪盖厚度，mm。

日融雪水量由SWE计算，

其中SWi为第i天融雪水，SWEi为第i天雪水当量。

FLEX模型[16]共有包括代表根区土壤蓄水能力的参数Su在内的7个水文参数，利用SCE-UA算法对参数进行优化，将径流模拟精度最高时对应的参数SuMɑx作为参考值，对MCT获得的结果进行验证，利用Nash-Sutcliffe效率系数（ENS）[18]作为目标函数，该值越接近于1表明模型模拟精度越高，公式为

式中Qi,o为南甸（峪）水文站实测月径流深，mm；Qi,c为模型模拟月径流深，mm；Qo为南甸（峪）水文站实测月径流深均值，mm。

2.3敏感性分析

敏感性是指气候变化对SR的影响程度。在其他要素不变的条件下，SR对某一要素的响应程度越大则表明SR对该要素敏感性越高。受制于当前研究条件，未来气候变化情况预估存在较大不确定性。因此本文设置不同气候情景分析SR对气候变化的响应，探索SR对不同气候要素的敏感性。降雨、融雪是根区蓄水的重要来源，而约2/3以上的降水以自然蒸散发的形式回归到大气中[19-20]，对根区蓄水产生重要影响，因此本文分析降雨、融雪和蒸散发对SR的影响，将这3个气象要素分别改变不同比例作为气候变化情景，分析不同情景下SR变化规律。

2.4数据来源及处理

2.4.1气象站点数据

潜在蒸散发在MCT中作为水量平衡的重要组分，可用于计算FLEX模型中的实际蒸散发，本文采用世界粮农组织（FAO）推荐的Penman-Menteith公式对其进行计算，输入数据为日平均气温、日最高气温、日最低气温、日平均气压、日相对湿度、近地面风速、日照时数等7个气象要素的站点数据。由于研究区内没有气象站点，本溪站距研究区最近（约50 km）、气象条件多年相似，且下垫面条件相近，可移用其气象数据计算研究区潜在蒸散发，该气象站点的数据由“中国气象科学数据共享服务网”的“中国地面气候资料日值数据集”提供。

2.4.2降水数据

降水在MCT计算根区蓄水能力的过程中是研究区的主要水分输入，同时用于驱动FLEX模型，数据来源于“中国区域高时空分辨率地面气象要素驱动数据集”（由“中国西部环境与生态科学数据中心”提供），该数据集由中科院青藏高原所开发，数据时段为1959至2010年，时间分辨率为3 h，水平空间分辨率为0.1°。本文所用的流域面均值由各栅格数值求几何平均获得。

2.4.3雪盖厚度数据

本文在MCT的水分输入项中考虑了融雪的作用，同时也将融雪模块耦合至水文模块中建立了改进的FLEX模型，因此需要由雪盖厚度数据计算逐日雪水当量。雪盖厚度栅格数据来源于“中国雪深长时间序列数据集”（由“中国西部环境与生态科学数据中心”提供），数据集时间分辨率为1 d，空间分辨率为25 km。

2.4.4归一化植被指数数据

旱季和雨季研究区需水量由归一化植被指数（normalized difference vegetation index， NDVI）与年平均值之比确定，NDVI数据来源于SPOT.VGT标准产品，由“中国西部环境与生态科学数据中心”提供，空间分辨率为1 km×1 km，本文采用的数据时段为2000年至2010年，时间分辨率为10 d。

2.4.5径流数据

由MCT计算SR采用南甸（峪）水文站1988年至2010年逐日流量数据，改进的FLEX模型将1988年至1995年流量用于模型率定，1998年至2001年流量用于模型验证，数据来源于《太子河、浑河流域水文年鉴》。

3　结果与分析

3.1水文过程模拟

利用耦合融雪模块的FLEX模型模拟研究区出口水文站径流过程，率定期（1988－1995年）和验证期（1998－2001年）的Nash-Sutcliffe效率系数分别为0.80 和0.79，图2为月径流深模拟值、观测值及降雨量，可见FLEX模型较好地模拟了研究区的径流过程，峰现时间吻合较好，说明模型对研究区出口水文站径流过程模拟精度较高，模型参数能够较为真实地描述流域物理属性。

图2　率定期与验证期径流深模拟值、观测值及降雨量Fig.2　Observed/simulated runoff depth and precipitation during calibration and validation periods

3.2 MCT估算精度

利用Mass Curve Technique估算1988－2010年不同重现期的根区蓄水能力SR（图3）。Gumbel（极值Ⅰ型）分布[21]常被用于评价水文事件发生的频率，是最常用的双指数分布之一，本文利用该分布函数探究根区蓄水能力与重现期T之间的关系。根据Gumbel分布函数，利用下式将重现期T用缩减变量y表示，若SR与y呈线性相关，则SR服从Gumbel分布，

SR与y之间的关系如图3（黑色圆圈）所示，线性回归直线对观测值拟合的确定性系数R2＝0.79，表明MCT获得的SR基本服从Gumbel分布，MCT在研究区内具有较好的适用性。

距离研究区15 km的观音阁水库始建于1990年，1995年竣工，控制流域面积2 795 km2，占太子河流域面积的20.1%。根区蓄水能力SR与缩减变量y之间线性相关程度越高，证明MCT法计算效果越好，由图3可以观察到，计算时段内SR具有偏离拟合直线一定距离的异常偏大值，其值恰好对应于计算时段之初，可认为水库的建造及研究区内植被生境（盖度、种类等）的变化改变了流域下垫面条件，从而对SR产生了较大影响[22]。

图3　根区蓄水能力与缩减变量之间关系Fig.3　Correlation between SRand reduced variable y

MCT求得的SR为多年需水条件下植被度过旱季所需根区蓄水量，计算结果的数值范围21～84 mm。将FLEX水文模型对流域出口水文过程模拟较好时相应的参数SuMɑx与MCT求得的SR进行交叉验证，前者代表流域多年根区蓄水能力，其值为27 mm（图3中灰色菱形），在MCT法估算的多年根区蓄水量范围内，说明MCT可以用于估算流域根区土壤蓄水能力。进一步可将MCT法估算得到的根区蓄水能力作为相关模型中参数的参考值，以减少参数预估的不确定性，提高模型精度，尤其可为无资料或缺测的地区提供重要依据。根据SR与y间的线性关系可进一步推求不同重现期（5、10、20、40、60及100 a）干旱对应的根区土壤蓄水能力，为补充干旱期生态系统需水提供指导依据。

3.3气候变化情景下SR随干旱重现期变化特征

本文假定降雨、径流、蒸散等水文要素相对独立，同时不考虑土地利用、植被覆盖等因素的改变，设置的气候变化情景包括：降雨、融雪、蒸散分别改变±10%、±20%和±30%。利用MCT估算不同气候变化情景下的SR，分析SR对气候变化的响应特征，并进一步探索SR对这3个气象要素的敏感性。

图4中散点代表不同气候变化情景下，植被生态系统在相应的旱季维持正常生长发育所需要的根区蓄水能力SR，散点曲线的斜率代表重现期变化引起SR变化的大小。可以看出，随着干旱重现期的增加，生态系统需要的SR增加，且散点曲线斜率不断增大，说明随干旱程度加深，根区缺水状况愈发严重，为满足生态系统需水要求，需要补充更多的土壤水分以度过旱季。由于根区土壤蓄水是植被获取水分的重要来源，蓄水量不足时植被生态系统正常生长发育所需水分将难以得到满足，因此研究不同气候条件下SR的变化具有重要意义。干旱缺水期土壤水分对气候的变化更为敏感，针对单一气候因素的模拟和分析，有利于深入理解气候变化对干旱期水文过程和根区蓄水量的影响[23]。

图4　各气候情景下SR与不同重现期干旱之间关系Fig.4　Correlation between SRand droughts with different return periods under different climate scenarios

3.4根区蓄水能力敏感性分析

图5展示了降雨、融雪、蒸散发生不同程度改变时，根区蓄水能力SR所发生的变化。曲线斜率表示单位气候要素变化引起的SR变化。在其他气象要素不变的条件下，蒸散发、降雨和融雪3个要素变化时的曲线斜率为1.37、0.73和0.37，蒸散发曲线斜率远大于降雨和融雪的斜率，说明蒸散发对SR变化的影响更为显著，降雨其次，融雪最小。

图5　SR随降雨量、融雪、蒸散的变化规律Fig.5　Variations of SRwith precipitation， snowmelt， and evapotranspiration

进一步分析SR对3种气象要素的敏感性差异：在仅降雨量变化的情景下，降雨减少对SR的影响明显大于增加的影响，说明相比于降雨增加，SR对降雨量减少的敏感性更大，例如降雨量增加30%，SR仅减少12.7%，而其减少30%时，SR却增加29.7%；在仅融雪变化的情景下，融雪量的增加或减少对SR影响的程度比较一致，但随着融雪量增加幅度变大，SR斜率增大，说明虽然融雪量占水量组分的比例较小，但当较大的降雪出现时，融雪水对SR仍有较大影响；与降雨和融雪对SR的影响相反，蒸散发对SR的影响成正相关，随蒸散发减少幅度的变大，SR趋向平缓，而随着蒸散发增加幅度的变大，SR变陡，如蒸散发减少10%时SR的变化率（−14.8%）大于蒸散发增加10%时的变化率（＋8.7%），而当蒸散发减少30%时，SR的变化率（−39.0%）则小于蒸散发增加30%时的变化率（＋44.6%）说明SR对蒸散发的增大更为敏感。

干旱事件的发生反映为降雨量减少，融雪量减少，和蒸散量增大，在这3种气候变化条件下，SR与蒸散发变化关系曲线的斜率最大，说明研究区内发生干旱时，SR对蒸散发的变化更为敏感，需要更多的根区蓄水量以度过干旱，降雨其次，融雪最小。此外，在这3种气候变化条件下，SR与基准值间的差值为干旱事件发生时，为了维持植被正常生长发育，度过干旱期所需补充的最大水量。

文中仅分析了单一气候要素变化对根区蓄水量的影响，而实际上某一个气候要素的变化往往伴随其他气候要素的变化，如流域的降水量增多可能会带来蒸散发量的增加[23]，因此今后的研究中可进一步考虑多种要素同时变化的复杂气候变化情景。

4　结　论

本文基于多源遥感数据产品，选取南甸（峪）典型流域作为研究区，利用改进的水量累积曲线法（mass curve technique，MCT）和FLEX模型分别估算研究区根区蓄水能力，并进一步设置气候变化情景，探究不同情景下SR的变化规律，可以获得以下几点结论：

1）利用耦合了融雪模块的概念性水文模型FLEX模拟研究区径流，率定期的纳什效率系数为0.80，验证期为0.79，说明模型较好模拟了研究区的水文过程。

2）改进的MCT求得1988－2010年SR的范围为21～84 mm，各年SR服从Gumbel分布，FLEX模型得到代表研究区根区蓄水能力多年水平的参数SuMɑx值为27 mm，在MCT得到的SR值范围内，说明MCT可用于估算研究区的SR。

3）进一步设置不同气候变化情景，用验证为合理的MCT估算不同情景下对应于不同重现期干旱的根区蓄水能力SR值。分析单位气象要素变化引起SR变化可知，蒸散发曲线的斜率最大（为1.37），说明SR对蒸散发的变化最为敏感，且随蒸散发增加，敏感程度增大；SR对降雨的敏感性居中（曲线斜率为0.73），且降雨量减少的响应大于降雨量增加的响应；SR对融雪的变化相对较不敏感（曲线斜率为0.37），且融雪增加和减少对SR的影响相近。

[参考文献]

[1] Gao H， Hrachowitz M， Schymanski S J， et al. Climate controls how ecosystems size the root zone storage capacity at catchment scale[J]. Geophysical Research Letters， 2014，41（22）: 7916－7923.

[2] 邓振镛，张强，王强，等. 黄土高原旱塬区土壤贮水量对冬小麦产量的影响[J]. 生态学报，2011，31（18）：5281－5290. Deng Zhen Yong， Zhang Qiang， Wang Qiang， et al. Influence of water storage capacity on yield of winter wheat in dry farming area in the Loess Plateau[J]. Acta Ecologica Sinica，2011， 31（18）: 5281－5290. （in Chinese with English abstract）

[3] Hargreaves G H， Samani Z A. Estimating potential evapotranspiration[J]. Journal of the Irrigation and Drainage Division， 1982， 108（3）: 225－230.

[4] 黄俊雄，徐宗学，刘兆飞，等. 统计降尺度法分析太湖流域未来气候变化情景[J]. 资源科学，2008，30（12）：1811－1817. Huang Junxiong， Xu Zongxue， Liu Zhaofei， et al. Analysis of future climate change in the Taihu basin using statistical downscaling[J]. Resources Science. 2008， 30（12）: 1811－1817. （in Chinese with English abstract）

[5] 宋小帅，康峰峰，韩海荣，等. 辽河源典型森林类型的土壤水文效应[J]. 水土保持通报，2015，35（2）：101－105. Song Xiaoshuai， Kang Fengfeng， Han Hairong， et al. Soil hydrological effects of typical forest types in upper reaches of Liao river[J]. Bulletin of Soil and Water Conservation， 2015，35（2）: 101－105. （in Chinese with English abstract）

[6] 宗路平，角媛梅，华红莲，等. 哈尼梯田景观水源林区土壤水分垂直变化与持水性能[J]. 水土保持通报，2014，34（4）：59－64. Zong Luping， Jiao Yuanmei， Hua Honglian， et al. Vertical change of soil moisture and water holding capacity of Hani terraces landscape in water conservation forest region[J]. Bulletin of Soil and Water Conservation， 2014， 34（4）: 59－64. （in Chinese with English abstract）

[7] 朱永华，任立良，吕海深. 天然荒漠植物干旱期根区土壤贮水量的确定[J]. 水文，2007，27（1）：14－16. Zhu Yonghua， Ren Liliang， Lv Haishen. Determination of natural desert plant root-zone soil water storage in drying periods[J]. Journal of China Hydrology， 2007， 27（1）: 14－16.（in Chinese with English abstract）

[8] Saxton K E， Rawls W J. Soil water characteristic estimates by texture and organic matter for hydrologic solutions[J]. Soil Science Society of America Journal， 2006， 70（5）: 1569－1578.

[9] Huang M， Barbour S L， Elshorbagy A， et al. Effects of variably layered coarse textured soils on plant available water and forest productivity[J]. Procedia Environmental Sciences，2013， 19: 148－157.

[10] 刘昭，杨文元，查元源，等. 基于田块尺度含水率观测的土壤水力参数多模型反演[J]. 农业工程学报，2015，31（6）：135－144. Liu Zhao， Yang Wenyuan， Zha Yuanyuan， et al. Multiple inverse models for estimating soil hydraulic parameters based on field-scale moisture content observation[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2015， 31（6）: 135－144. （in Chinese with English abstract）

[11] 刘志明，张柏，晏明，等. 土壤水分与干旱遥感研究的进展与趋势[J]. 地球科学进展，2003，18（4）：576－583. Liu Zhiming， Zhang Bo， Yan Ming， et al. Some research advances and trends on soil moisture and drought monitoring by remote sensing[J]. Advance in Earth Sciences， 2003， 18（4）: 576－583. （in Chinese with English abstract）

[12] Mehrez Z， Monique D. A new empirical model to retrieve soil moisture and roughness from C-band radar data[J]. Remote Sensing of Environment， 2003， 84（1）: 42－52.

[13] 刘振华，赵英时，李笑宇，等. 基于蒸散发模型的定量遥感缺水指数[J]. 农业工程学报，2012，28（2）：114－120. Liu Zhenhua， Zhao Yingshi， Li Xiaoyu， et al. Quantitative remote sensing of water deficit index based on evapotranspiration[J]. Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE）， 2012，28（2）: 114－120. （in Chinese with English abstract）

[14] 夏燕秋，马金辉，屈创，等. 基于Landsat ETM＋数据的白龙江流域土壤水分反演[J]. 干旱气象，2015，33（2）：213－219. Xia Yanqiu， Ma Jinhui， Qu Chuang， et al. Study of soil moisture retrieval based on Landsat ETM＋ image data in the Bailongjiang basin[J]. Journal of Arid Meteorology， 2015，33（2）: 213－219. （in Chinese with English abstract）

[15] 殷旭旺，渠晓东，李庆南，等. 基于着生藻类的太子河流域水生态系统健康评价[J]. 生态学报，2012，32（6）：1677－1691. Yin Xuwang， Qu Xiaodong， Li Qingnan， et al. Using periphyton assemblages to assess stream conditions of Taizi river basin[J]. Acta Ecologica Sinica， 2012， 32（6）: 1677－1691. （in Chinese with English abstract）

[16] Fenicia F， McDonnell J J， Savenije H H G. Learning from model improvement: On the contribution of complementary data to process understanding[J]. Water Resources Research，2008， 44（6）: W06419.

[17] Bavera D， Bavay M， Jonas T， et al. A comparison between two statistical and a physically-based model in snow water equivalent mapping[J]. Advances in Water Resources， 2014，63: 167－178.

[18] Nash J E， Sutcliffe J V. River flow forecasting through conceptual models. Part 1: A discussion of principles[J]. Journal of Hydrology， 1970（10）: 282－290.

[19] Allen R G， Pereira L S， Howell T A， et al. Evapotranspiration information reporting: II. Recommended documentation[J]. Agricultural Water Management， 2011， 98（6）: 921－929.

[20] Allen R G， Pereira L S， Howell Terry A， et al. Evapotranspiration information reporting: I. Factors governing measurement accuracy[J]. Agricultural Water Management，2011， 98（6）: 899－920.

[21] Gumbel E J. Les valeurs extrêmes des distributions statistiques[J]. Annales de l’institut Henri Poincaré， 1935， 5（2）: 115－158.

[22] 王丁明. 太子河水库建设对水文情势影响与环境流量研究[D]. 河北联合大学，2012. Wang Dingming. Effects of Reservoir Construction on Flow Regims and Environmental Flow Determination in the Taizi River[D]. Hebei United University， 2012. （in Chinese with English abstract）

[23] 张淑兰，于澎涛，张海军，等.气候变化对干旱缺水区中尺度流域水文过程的影响[J]. 干旱区资源与环境，2013，27（10）：70－74. Zhang Shulan， Yu Pengtao， Zhang Haijun， et al. Impact of climate change on the hydrological process in medium scale basin of arid areas[J]. Journal of Arid Land Resources and Environment， 2013， 27（10）: 70－74. （in Chinese with English abstract）

Estimation of root zone storage capacity and sensitivity analysis to climate factors at catchment scales

Zhao Huan1, Xu Zongxue1,2※, Zhao Jie1
（1. Key Lɑborɑtory of Wɑter ɑnd Sediment Sciences， Ministry of Educɑtion， College of Wɑter Sciences, Beijing Normɑl University， Beijing 100875, Chinɑ;2. Joint Center for Globɑl Chɑnge Studies, Beijing 100875， Chinɑ）

Abstract:Moisture storage capacity at root zone plays an important role in hydrological processes， soil moisture movement and vegetation development， which is also a crucial parameter in hydrological and ecological modelling. However， due to the great heterogeneity in soil texture and the restriction of observation currently， there is no effective way to observe this parameter at catchment scales. In this study， a typical catchment of the Taizi River in Northeast China was selected as the study area. On the basis of monthly runoff depth data at Nandianyu Hydrological Station， the parameters in FLEX model were calibrated and validated during different time periods， of which the parameter Surepresents the moisture storage capacity at root zone， while the SuMaxcorresponds to the Suunder the best hydrological process condition in simulation. A snow model was incorporated in the original FLEX hydrological model in order to improve the performance of the model in the places where snow and melting water cannot be ignored. Based on observational meteorology data and multi-source remote sensing data sets，the modified mass curve technique （MCT） was employed to estimate the moisture storage capacity at root zone in Nandianyu catchment， taking snowmelt as an important part of water input for technique modification. The MCT was originally used in engineering design， however， in this study the moisture storage capacity was estimated using this approach by treating the whole root zone of this catchment as a reservoir. Based on the relationship between cumulative inflow and water demand in dry seasons when the rate of water demand exceeded water inflow， the required moisture storage capacity at root zone for each year was yielded， and cross validated with the result derived from the FLEX model to test the availability of MCT in the study area. Different climate scenarios were further set to test the sensitivity of moisture storage capacity at root zone to rainfall，snowmelt and evapotranspiration when these 3 climate factors increased or reduced by 10%， 20% and 30% independently using the MCT which demonstrated to be feasible. The results show that: 1） The improved FLEX model could be used to simulate hydrological process in the study area， presenting a high accuracy in runoff depth simulation and flow hydrograph simulation. The value of parameter SuMaxrepresenting the moisture storage capacity at root zone under the best simulating condition was 27 mm; 2） The moisture storage capacity at root zone estimated by MCT was demonstrated to follow the Gumbel distribution， with a range of 21-84 mm. The value of moisture storage capacity derived from this approach coincided with the estimate derived from the FLEX model， which meant that the modified MCT could be used to estimate the moisture storage capacity at root zone in the study area， and the estimates derived from this approach could be used as parameters in hydrological and ecological models; 3） Curve slopes of the change of moisture storage capacity at root zone with evapotranspiration， precipitation and snowmelt were 1.37， 0.73 and 0.37， showing that the moisture storage capacity at root zone had a reduced sensitivity to the change of evapotranspiration， precipitation and snowmelt. Besides， with the increase of evapotranspiration and reduction of precipitation， the sensitivity of the moisture storage capacity at root zone enhanced while there was no big difference under the variations of snowmelt. This work can provide a basis for water deficit estimation and maintaining normal development of ecosystems when they are faced with drought.

Keywords:moisture; models; soils; root zone moisture; storage capacity; mass curve technique; hydrological model; climate factors

通信作者：※徐宗学，男，教授，博士生导师，研究方向有水文模拟和生态水文过程等。北京北京师范大学水科学研究院，100875。

作者简介：赵 焕，女，辽宁营口人。主要从事农业干旱与水文模拟研究。北京北京师范大学水科学研究院，100875。

基金项目：水利部公益性行业科研专项项目（201401036）

收稿日期：2015-10-27

修订日期：2015-12-17

中图分类号：S271; P333

文献标志码：A

文章编号：1002-6819（2016）-02-0155-06

doi：10.11975/j.issn.1002-6819.2016.02.023